揭露大数据五大误区

在如此多关于大数据的炒作下，IT管理者很难知道该如何挖掘大数据的潜力。Gartner指出关于大数据的五大误区，以帮助IT管理者制定他们的信息基础设施战略。

Gartner研究总监Alexander Linden表示：“大数据提供了巨大的机会，但也带来了更大的挑战。海量的数据并没有解决数据固有的问题。IT管理者需要破除各种炒作，根据已知的事实和业务驱动的结果指导行动。”

误区1：在采用大数据方面其他人都比我超前

人们对于大数据技术和服务的兴趣达到了前所未有的高度，有73%的受访企业已经投资或者计划投资大数据。但是大多数企业机构仍然在采用大数据的初期阶段，只有13%的受访者已经部署了大数据解决方案（见图1）。

图1、2013年和2014年大数据采用的阶段

注释：Gartner向每位受访者提问，“以下哪5个阶段可以最好地描述你企业机构采用大数据的阶段？”
2014年n = 302，2013年n = 720。来源：Gartner（2014年9月）

企业结构面临最大的挑战是确定如何从大数据中获取价值，以及确定应该从哪里开始。许多企业机构卡在试点阶段，因为他们没有将技术与业务流程或者具体的使用实例联系起来。

误区2：我们有这么多的数据，我们并不需要担心一个小小的数据缺陷

IT管理者认为，目前企业管理如此多的数据使得单个的数据质量问题变得微不足道，因为“大数据法则”。这个观点认为，单个数据质量缺陷并不影响整个数据分析的结果，因为每个缺陷只是企业机构内海量数据非常小的一部分。

Gartner副总裁Ted Friedman认为：“事实上，尽管单个缺陷对于整个数据集的影响要比数据量少的时候小一些，但是因为数据更多了所有缺陷也就更多了。因此，糟糕的数据质量对于整个数据集的影响还是一样的。除此之外企业机构在大数据背景下使用的大多数数据都是来自于外部的，或者是未知结构和未知来源的。这意味着出现数据质量问题的可能性要比以前更高，因此数据质量实际上在大数据背景下变得更为重要了。”

误区3：大数据继续将消除对大数据整合的需求

一般观点认为，大数据技术——尤其是通过在用模式方法处理信息的潜力——将使得企业机构要使用多种数据模型来读取相同的数据源。很多人相信这种灵活性将让终端用户确定如何按需地将各种数据集进行转译。他们认为，这也将提供满足单个用户需求的数据访问。

在现实中，大多数信息用户重度依赖于“在写模式”，在这种场景下数据被描述、内容被预先描述，因此关于数据完整性以及与场景的相关性已经达成了统一。

误区4：为高级分析使用数据仓库是没有意义的

很多信息管理的领导者认为，构建一个数据仓库是消耗时间且没有意义的，因为高级分析使用新型的数据而不仅仅是数据仓库。

现实是，很多高级分析项目在分析过程中使用的正是数据仓库。在其他一些情况下，信息管理人必须提炼作为大数据一部分的新数据类型，使其适合于分析。他们需要确定哪些数据是相关的，如何聚合这些数据，以及数据质量的等级，而且这种数据提炼可能是发生在很多地方的，不仅仅是数据库。

误区5：数据湖将取代数据仓库

很多厂商将数据湖定义为用于分析各种来源的原始格式数据的企业数据管理平台。

现实是，厂商将数据湖定位为数据仓库的替代品或者作为客户分析技术设施关键要素是容易引发误导的。数据湖的基础技术缺乏已有数据仓库技术功能特性的成熟型和广度。Gartner研究总监Nick Heudecker表示：“数据仓库已经具有支持整个组织上下各种用户的能力。信息管理者没必要等着数据湖迎头赶上。”